问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MA5金叉MA10以及PE>0的股票。该选股逻辑通过振幅和均线选出走势较好的股票，再结合PE指标进行估值筛选，选出具有成长性的优质股票。
选股逻辑分析
本选股策略依然是通过振幅和均线筛选出股票的走势，再结合PE指标进行估值筛选，选出具有成长性的优质股票。选股逻辑相比较于第一个选股策略，多了股票的估值筛选，去掉了今日均线向上发散的指标。
有何风险？
该选股策略存在股票的成长性和估值评估的风险，PE值可能受行业热度和市场环境的影响；选股逻辑注重近期走势，无法保证股票的长期价值。
如何优化？
加入其他的基本面指标，如ROE、净利润增长率等，结合股票的基本面进行筛选优质股票。选股策略应当灵活应用，充分考虑市场情况和个股特点，适时调整选股策略。
最终的选股逻辑
本选股逻辑的选股策略是振幅大于1、周线MA5金叉MA10以及PE>0的股票。在实际操作中，可以结合市场情况和实际需求对选股逻辑进行调整和优化。
同花顺指标公式代码参考
- 振幅公式：
- Amplitude = (HIGH - LOW) / PRE_CLOSE
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- PE公式：
- PE = CLOSE / EPS
- 满足条件公式：
- condition = (amplitude > 0.01) & (ma5 > ma10) & (PE > 0)
python代码参考
import tushare as ts
import datetime
PRO = ts.pro_api('your_token')
def select_stocks(n):
selected_stocks = []
for code in PRO.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market,circ_mv,total_mv,pe,pb,area,list_date')['ts_code']:
if code.startswith('300') or code.startswith('688'):
continue
df = PRO.daily(ts_code=code, start_date='20180101', end_date=datetime.datetime.now().strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close,vol')
if len(df) == 0:
continue
amplitude = (df['high'] - df['low']) / df['close'].shift(1)
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
PE = PRO.daily_basic(ts_code=code, trade_date=datetime.datetime.now().strftime('%Y%m%d'))['pe'][0]
if amplitude[-1] > 0.01 and ma5[-1] > ma10[-1] and PE > 0:
selected_stocks.append(code)
return selected_stocks[:n]
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
